Astra for Law သည် ဥပဒေရေးရာ AI စွမ်းရည်တွင် ဦးဆောင်နေသည်
နောက်ဆုံးမော်ဒယ်ဖွဲ့စည်းမှုက ဥပဒေကဏ္ဍ 24 ခု စမ်းသပ်မှုတွင် ပထမရပြီး လျှောက်လဲချက်များ၌ GPT‑6 Astra ထက် ရမှတ်ပိုမြင့်သည်။ ChatGPT Enterprise သုံးသူတိုင်း အသုံးပြုခွင့် တောင်းနိုင်ပြီ။
ယနေ့ ကျွန်ုပ်တို့ ထုတ်ဝေသည့် မွမ်းမံထားသော Astra for Law သည် Harvey LAB-AA တွင် အဆင့်အမြင့်ဆုံးဖြစ်သည်။ Harvey(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) နှင့် Grubel(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တို့ ပူးတွဲဖန်တီးသည့် LAB: USCL နှင့် Vals AI ၏ Legal Research Bench တွင်လည်း ထိပ်တန်းစွမ်းဆောင်ရည်ရှိသည်။ ChatGPT Enterprise သုံးစွဲသူအားလုံးသည် API မှတစ်ဆင့် အသုံးပြုမှုအပါအဝင် အသုံးပြုခွင့်ကို ယုံကြည်စိတ်ချရသော အသုံးပြုခွင့်အစီအစဉ်မှတစ်ဆင့် တောင်းဆိုနိုင်ပြီဖြစ်သည်။
Astra for Law သည် ကျွန်ုပ်တို့၏ နောက်ဆုံးပေါ်၊ အစွမ်းထက်ဆုံး စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ် GPT‑6.2 Astra ၏ ဖွဲ့စည်းမှုပုံစံတစ်ခုဖြစ်သည်။ ၎င်းသည် GPT‑6.2 Astra ကို သီးသန့်ဥပဒေရှာဖွေမှုအညွှန်းနှင့် ပေါင်းစပ်ထားပြီး မေးခွန်းကိုသုတေသနပြုရန်၊ ဥပဒေအထောက်အထားများ ချိန်ဆရန်နှင့် အဖြေရေးသားရန် ညွှန်ကြားချက်များ ပါဝင်သည်။ ထိုဖွဲ့စည်းမှု၏ LAB-AA အကဲဖြတ်မှုတွင် အမှတ်ပြည့်ရသည့်အကြိမ်ရေသည် GPT‑6.2 Astra တစ်ခုတည်းထက် 40% နီးပါး ပိုများသည်။
Cooley၊ Ropes & Gray နှင့် Sullivan & Cromwell အပါအဝင် လုပ်ငန်းအနည်းငယ်ထံ စက်တင်ဘာလတွင် Astra for Law ကို မိတ်ဆက်ခဲ့ချိန်မှစ၍ ကျွန်ုပ်တို့၏ သုတေသနအဖွဲ့က လျင်မြန်စွာ ဆန်းသစ်တီထွင်ခဲ့သည်။ ဥပဒေအကြောင်း ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော စွမ်းရည်ကို မြှင့်တင်ပြီး ဥပဒေရင်းမြစ်များကိုလည်း နှစ်ဆခန့် တိုးချဲ့ခဲ့သည်။ Vals AI ၏ Legal Research Bench(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွင် စစ်ဆေးချက်အားလုံး အောင်မြင်သည့် သုတေသနအဖြေအချိုးသည် 46% ခန့်မှ 55% နီးပါးအထိ မြင့်တက်လာသည်။ ပိုမိုရှုပ်ထွေးလာသည့် ကမ္ဘာကြီးတွင် တိုးတက်မှုဖြစ်စေမည့် မေးခွန်းများကို ဖြေရှင်းရာ၌ အကောင်းဆုံးရှေ့နေများက ကျွန်ုပ်တို့၏ အကောင်းဆုံး စွမ်းဆောင်ရည်အမြင့်ဆုံး AI ကို အသုံးချနိုင်ရန် ဥပဒေကဏ္ဍတွင် ရင်းနှီးမြှုပ်နှံနေသည်။
Harvey ၏ Legal Agent Benchmark (LAB) သည် မော်ဒယ်တစ်ခုက ဥပဒေဆိုင်ရာတာဝန်ကို အစမှအဆုံး ဆောင်ရွက်နိုင်ခြင်းရှိမရှိ စမ်းသပ်သည်။ LAB-AA(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် ထိုစမ်းသပ်မှု၏ Artificial Analysis ဗားရှင်းဖြစ်သည်။ ၎င်းက Harvey ဖန်တီးထားသော တာဝန် 120 ဖြင့် မော်ဒယ်များကို ပြင်းပြင်းထန်ထန် စမ်းသပ်သည်။ ကျမ်းကျိန်ထွက်ဆိုချက် ရယူရန် အကြမ်းဖျဉ်းအစီအစဉ်ရေးဆွဲခြင်း၊ စီးပွားဖြစ်ငှားရမ်းစာချုပ် သုံးသပ်ခြင်းမှ လုပ်ငန်းဝယ်ယူမှုတွင် ပိုင်ဆိုင်မှုအပြောင်းအလဲ မဟာဗျူဟာချမှတ်ခြင်းအထိ ပါဝင်သည်။ အမှတ်ပြည့်ရရန် အဖြေသည် တာဝန်၏ လိုအပ်ချက်အားလုံး ပြည့်မီရမည့်အပြင် အချက်အလက်လုပ်ကြံဖော်ပြမှု မရှိရပါ။ ဆိုလိုသည်မှာ ရင်းမြစ်စာရွက်စာတမ်းများက မထောက်ခံသည့် အရေးပါသောအဆိုကို မပြုရပါ။
Astra for Law သည် တာဝန်များ၏ 20.8% တွင် အမှတ်ပြည့်ရ၍ ပထမနေရာရခဲ့သည်။ GPT‑6.2 Astra က 15.0%၊ Muse Wonder Full က 13.1% ရရှိခဲ့သည်။

Astra for Law သည် တာဝန်များ၏ 20.8% တွင် အမှတ်ပြည့်ရ၍ ပထမနေရာရခဲ့သည်။
စတင်ထုတ်ဝေချိန် နှိုင်းယှဉ်မှု၌ Astra for Law သည် OpenAI မဟုတ်သော မော်ဒယ်များထဲမှ ရမှတ်အမြင့်ဆုံးမော်ဒယ်၏ အထွက်ပမာဏတစ်ဝက်အောက်ဖြင့် ထိပ်ဆုံးရမှတ် ရခဲ့သည်။ တာဝန်တစ်ခုလျှင် ပျမ်းမျှအထွက်တိုကင် 64,000 ခန့်သာရှိပြီး Muse Wonder Full တွင် 139,000 ရှိသည်။ အမှတ်ပြည့်ရနှုန်းမှာလည်း 20.8% နှင့် 13.1% ဖြစ်သည်။ သုံးစွဲမှုပမာဏအလိုက် ပေးချေရသည့် ဥပဒေအဖွဲ့များအတွက် Astra for Law သည် Muse Wonder Full ထက် အမှတ်ပြည့် ပိုမိုရရှိသည့်အပြင် တာဝန်တစ်ခုလျှင် အထွက်ပမာဏ 54% ပိုနည်းသည်။ ဤကွာခြားချက်ကြောင့် ဘတ်ဂျက်အတွင်းနေနိုင်ခြင်းနှင့် ဘတ်ဂျက်အလွန်အကျွံ ကျော်လွန်ခြင်းတို့ ကွဲပြားသွားနိုင်သည်။

အစက်တစ်စက်စီသည် မော်ဒယ်ဖွဲ့စည်းမှုပုံစံတစ်ခု ဖြစ်သည်။ ပိုမြင့်လေ အမှတ်ပြည့်ရသည့်တာဝန် ပိုများလေဖြစ်ပြီး ဘယ်ဘက်ပိုရောက်လေ အထွက်တိုကင် ပိုနည်းလေဖြစ်သည်။ အထွက်တိုကင်များတွင် မော်ဒယ်က ဆင်ခြင်စဉ်နှင့် ရေးသားစဉ် ထုတ်ပေးသည့် စာသားများပါဝင်သည်။ Astra for Law သည် တာဝန်တစ်ခုလျှင် ပျမ်းမျှအထွက်တိုကင် 64,000 ခန့်ဖြင့် တာဝန်များ၏ 20.8% တွင် အမှတ်ပြည့်ရခဲ့သည်။ Muse Wonder Full မှာ တိုကင် 139,000 နှင့် 13.1% ဖြစ်သည်။ ဖော်ပြထားသော ဖွဲ့စည်းမှုပုံစံများထဲတွင် Astra for Law ထက် အထွက်တိုကင်နည်းနည်းဖြင့် ၎င်း၏ရမှတ်ကို မည်သည့်ပုံစံကမျှ မမီခဲ့ပါ။
ဥပဒေလုပ်ငန်းတွင် အချက်အလက်လုပ်ကြံဖော်ပြမှုကို လက်မခံနိုင်ပါ။ လုပ်ကြံထားသော ကိုးကားချက်တစ်ခုတည်းကြောင့် ရှေ့နေတစ်ဦးသည် အမှုသည်၏ယုံကြည်မှု၊ တရားရုံးတွင် ယုံကြည်လေးစားခံရမှုနှင့် နှစ်ပေါင်းများစွာ တည်ဆောက်ခဲ့သော ဂုဏ်သတင်းကို ဆုံးရှုံးနိုင်သည်။ ထို့ကြောင့် အချက်အလက်လုပ်ကြံဖော်ပြမှု လျှော့ချရေးကို Astra for Law ၏ ဦးစားပေးအဖြစ် သတ်မှတ်ထားသည်။ Artificial Analysis ၏ နောက်ဆုံး LAB-AA နှိုင်းယှဉ်မှုတွင် Astra for Law သည် (GPT‑6 နှင့်အတူ) အရေးပါသည့် အချက်အလက်လုပ်ကြံဖော်ပြမှုနှုန်း အနည်းဆုံး ဖြစ်ခဲ့သည်။ တာဝန်တစ်ခုလျှင် 0.03 သာရှိပြီး (OpenAI မဟုတ်သော မော်ဒယ်များထဲတွင် အနည်းဆုံးဖြစ်သည့်) Claude Opus 5.5 က 0.59 ရှိသည်။

Astra for Law တွင် တာဝန်တစ်ခုလျှင် အရေးပါသည့် အချက်အလက်လုပ်ကြံဖော်ပြမှု ပျမ်းမျှ 0.03 နှင့် အသေးစားလုပ်ကြံဖော်ပြမှု 0.06 ရှိသည်။ Claude Opus 5.5 တွင် တာဝန်တစ်ခုလျှင် အရေးပါသည့် အချက်အလက်လုပ်ကြံဖော်ပြမှု ပျမ်းမျှ 0.59 နှင့် အသေးစားလုပ်ကြံဖော်ပြမှု 0.51 ရှိသည်။ အရေးပါသည့် လုပ်ကြံဖော်ပြမှု အဆ 20 ခန့်နှင့် အသေးစားလုပ်ကြံဖော်ပြမှု 8.5 ဆခန့် ပိုများသည်။
တူညီသော တာဝန် 120 တစ်လျှောက် Artificial Analysis က စာဖတ်သူကို အဓိကအချက်တစ်ရပ်အပေါ် အထင်မှားစေနိုင်သည့် လုပ်ကြံဖော်ပြချက်များကို ရေတွက်ခဲ့သည်။ Astra for Law တွင် တာဝန်တစ်ခုလျှင် ထိုအမှားမျိုး ပျမ်းမျှ 0.03 ရှိပြီး နှိုင်းယှဉ်မှုတွင် အနည်းဆုံးနှုန်းကို ပူးတွဲရရှိခဲ့သည်။ ပုံမှန် GPT‑6.2 Astra ၏ 0.06 နှုန်းထက် ထက်ဝက်ခန့် ပိုနည်းသည်။ စမ်းသပ်ထားသော OpenAI ဖွဲ့စည်းမှုပုံစံတိုင်းတွင် အချက်အလက်လုပ်ကြံဖော်ပြမှုသည် ဤစံဖြင့်တိုင်းတာရာ၌ OpenAI မဟုတ်သော မော်ဒယ်များထဲ အကောင်းဆုံးဖြစ်သည့် Claude Opus 5.5 ထက် ပိုနည်းခဲ့သည်။ Opus တွင် တာဝန်တစ်ခုလျှင် အရေးပါသည့် အချက်အလက်လုပ်ကြံဖော်ပြမှု ပျမ်းမျှ 0.59 ရှိပြီး Astra for Law ထက် အဆ 20 ခန့် ပိုများသည်။ ထူးခြားသည်မှာ ဤအကဲဖြတ်မှုတွင် Astra for Law က စံအားလုံးကို အောင်မြင်သည့်တာဝန်များ၌ အချက်အလက်လုပ်ကြံဖော်ပြမှု လုံးဝမရှိခြင်းဖြစ်သည်။ ထို့ကြောင့် လုပ်ကြံဖော်ပြမှုအတွက် အမှတ်လျှော့သည့်စည်းမျဉ်း ကျင့်သုံးသော်လည်း ၎င်း၏ရမှတ် မလျော့ခဲ့ပါ။
လျှောက်လဲချက်ရေးသားခြင်းသည် ဥပဒေလုပ်ငန်း၏ အရှုပ်ထွေးဆုံး ရေရှည်လုပ်ငန်းစဉ်များထဲမှ တစ်ခုဖြစ်သည်။ အလွန်ကောင်းမွန်သော ချေပချက်တစ်ရပ်ရရှိရန် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းစဉ်၊ သုတေသနနှင့် အရေးအသားတို့ ပေါင်းစပ်ရန်လိုသည်။
မော်ဒယ်တစ်ခုက တကယ့်အမေရိကန် ဖက်ဒရယ်အမှုတစ်ခုအတွက် သုတေသနပြု၍ လျှောက်လဲချက်ရေးနိုင်ခြင်းရှိမရှိ စမ်းသပ်ရန် Harvey နှင့် Grubel(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တို့က LAB: USCL(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို ပူးတွဲဖန်တီးခဲ့သည်။ မော်ဒယ်တစ်ခုစီသည် လျှောက်လဲချက်မတင်သွင်းမီ အချိန်မှစ၍ တူညီသော အမှုသည်ဘက်က တူညီသောပြဿနာအကြောင်းကို ရေးသားရသည်။ စမ်းသပ်မှုပုံစံတစ်မျိုးတွင် မော်ဒယ်က သက်ဆိုင်ရာအမှုများကို ကိုယ်တိုင်ရှာဖွေရသည်။ နောက်တစ်မျိုးတွင် အမှုမှတ်တမ်းနှင့် မူလရှေ့နေကိုးကားခဲ့သော စီရင်ထုံးများကို ပေးထားသည်။ AI အကဲဖြတ်သူများက ရှေ့နေများ သုံးသပ်ချိန်ညှိထားသည့် စံများဖြင့် လျှောက်လဲချက်များကို တစ်ခုချင်းတိုက်ရိုက်ယှဉ်၍ အကဲဖြတ်သည်။ ဥပဒေလုပ်ငန်းအတွက် Astra for Law သည် စမ်းသပ်မှုပုံစံနှစ်မျိုးလုံးတွင် ထိပ်တန်းရမှတ်များ ရရှိခဲ့သည်။

Farther right means the briefs earned higher ratings. When the models researched the law themselves, Astra for Law scored 1,844 to Opus 5.5’s 1,817. Given the precedents, they were effectively even at 1,883 and 1,882.
ညာဘက်ပိုရောက်လေ လျှောက်လဲချက်၏ အဆင့်သတ်မှတ်ချက် ပိုမြင့်လေဖြစ်သည်။ မော်ဒယ်များက ဥပဒေကို ကိုယ်တိုင်သုတေသနပြုရသည့်အခါ ဥပဒေလုပ်ငန်းအတွက် Astra for Law က 1,844 မှတ်၊ Opus 5.5 က 1,817 မှတ် ရခဲ့သည်။ စီရင်ထုံးများပေးထားသည့်အခါ 1,883 နှင့် 1,882 မှတ်ဖြင့် ထိရောက်မှုအားဖြင့် တန်းတူဖြစ်ခဲ့သည်။ စမ်းသပ်မှုနှစ်ခုလုံးတွင် မသေချာမှုအပိုင်းအခြားများ ထပ်နေသည်။
ယခုထုတ်ဝေမှု၏ အဓိကတိုးတက်မှုတစ်ခုမှာ ပိုကောင်းသော ဥပဒေသုတေသနဖြစ်သောကြောင့် ပထမရလဒ် (ဘယ်ဘက်ရှိ “သုတေသနနှင့် မူကြမ်းရေးသားမှု”) က အရေးပါသည်။ တရားရုံးအမှုလိုက်ရှေ့နေများသည် သင့်လျော်သည့်အမှုစာရင်း အဆင်သင့်ရှိနေသည့်အခြေအနေမှ စတင်ရခဲသောကြောင့် ဤရလဒ်တိုးတက်ရေးကို ကျွန်ုပ်တို့ အာရုံစိုက်ခဲ့သည်။ ဤစမ်းသပ်မှုတွင် မော်ဒယ်တစ်ခုစီက အရေးပါသော စီရင်ချက်များကို ရွေးထုတ်ပြီး တရားရုံးနားလည်နိုင်မည့် ချေပချက်တစ်ရပ် ရေးသားရန် အသုံးပြုရသည်။ ထိုတာဝန်တွင် Harvey ၏ အကဲဖြတ်သူများက Opus 5.5 နှင့် Gemini 4 Argon ကဲ့သို့ အခြားထိပ်တန်း စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များထက် ယနေ့ထုတ် Astra for Law ၏ လျှောက်လဲချက်များကို ပိုမိုနှစ်သက်ခဲ့သည်။ ဆက်လက်ဆွေးနွေးမည့် Vals AI အကဲဖြတ်မှုတွင် ဥပဒေသုတေသန၏ ပိုမိုသိသာသော တိုးတက်မှုများကို တွေ့နိုင်သည်။
OpenAI တွင် ဥပဒေကို သုတေသနဦးစားပေးကဏ္ဍအဖြစ် သတ်မှတ်ထားပြီး စွမ်းဆောင်ရည်အမြင့်ဆုံး ဥပဒေရေးရာ AI စွမ်းရည် နည်းပညာ ဆန်းသစ်တီထွင်မှု အရှိန်မြှင့်ရန် သီးသန့်သုတေသနအဖွဲ့ ဖွဲ့စည်းထားသည်။ ၎င်းတို့၏တိုးတက်မှုကို အစောပိုင်းတိုင်းတာနိုင်သည့်အရာတစ်ခုမှာ Vals AI ၏ Legal Research Bench(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)စစ်ဆေးမှုဖြစ်သည်။ အဆိုပါစစ်ဆေးမှုတွင် လက်တွေ့လုပ်ကိုင်နေသော ရှေ့နေများက အမေရိကန် ဖက်ဒရယ်နှင့် ပြည်နယ်ဥပဒေဆိုင်ရာ မေးခွန်းများ ထုတ်ထားသည်။ အဖြေတစ်ခုသည် လိုအပ်သည့်အချက်အားလုံး ပါဝင်ရမည်ဖြစ်ပြီး ရင်းမြစ်စစ်ဆေးမှုများကိုလည်း အောင်မြင်ရသည်။ စက်တင်ဘာလတွင် Astra for Law သည် မေးခွန်းများ၏ 46% ခန့်ကို အောင်မြင်ခဲ့သည်။ ယနေ့ထုတ်ဗားရှင်းက 54.81% အောင်မြင်ပြီး ထုတ်ပြန်ထားသည့် အမြင့်ဆုံးရမှတ်နှင့် တစ်ရာခိုင်နှုန်းပွိုင့်အောက်သာ ကွာတော့သည်။
Astra for Law ကို မော်ဒယ်ဖွဲ့စည်းမှုပုံစံအဖြစ် တည်ဆောက်ထားခြင်းကြောင့် ၎င်း၏ ဆင်ခြင်ပုံနှင့် ကိုးကားနိုင်သည့်အရင်းအမြစ်များကို မြှင့်တင်နိုင်သည်။ စက်တင်ဘာလမှစ၍ ဖွဲ့စည်းမှုတွင် GPT‑6.2 Astra ကို ထည့်သွင်းခဲ့ပြီး ဥပဒေသုံးသပ်မှုအတွက် လမ်းညွှန်ညွှန်ကြားချက်များကို ပြုပြင်မွမ်းမံခဲ့သည်။ ရှာဖွေမှုအညွှန်းတွင် အမေရိကန်ဥပဒေဆိုင်ရာ ရင်းမြစ် 539,000 ကျော် ထပ်ထည့်ခဲ့သည်။ ဗြိတိန်၊ ဩစတြေးလျနှင့် ကနေဒါမှ မူရင်းဥပဒေအထောက်အထားများ စတင်ထည့်သွင်းရာတွင်လည်း ထိုနိုင်ငံများမှ ရင်းမြစ် 98,000 ကျော် ထပ်ထည့်ခဲ့သည်။ ဤဖြည့်စွက်မှုများသည် ထုတ်ပြန်ထားသော အမေရိကန်စီရင်ထုံးများ၏ 99.9% ကျော်(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ပါဝင်သည့် စုစည်းမှုမှ တည်ဆောက်ထားပြီး စတင်ထုတ်ဝေချိန်ကတည်းက URL သန်း 230 ကျော် ပါဝင်ခဲ့သော ဥပဒေရှာဖွေမှုအညွှန်းကို ပိုမိုကျယ်ပြန့်စေသည်။
Harvey ၏ ကိုယ်ပိုင် Legal Agent Benchmark တွင် GPT‑6 Astra သည် တာဝန်များ၏ 4.6% ၌ လိုအပ်ချက်အားလုံး ပြည့်မီခဲ့သည်။ တူညီသောအခြေအနေများတွင် GPT‑6.2 Astra က 14.6% ကို ပြီးမြောက်ခဲ့သည်။ ဥပဒေသီးသန့်ဖွဲ့စည်းမှုဖြင့် ထိုနှုန်းသည် 16.2% အထိ တက်လာသည်။

This chart shows both the rate of development in frontier intelligence, as well as the impact of the model configuration. The full-credit rate more than tripled from GPT‑6 Astra to GPT‑6.2 Astra, then rose another 11% with the legal configuration. This test comes from Harvey’s own LAB (separate from the previously discussed LAB-AA).
ဘားပိုရှည်လေ Harvey ၏ လိုအပ်ချက်အားလုံး ပြည့်မီသည့်တာဝန် ပိုများလေဖြစ်သည်။ Harvey သည် ဤစမ်းသပ်မှုကို Artificial Analysis ၏ LAB-AA အကဲဖြတ်မှုနှင့် သီးခြားပြုလုပ်ခဲ့သည်။
Astra for Law ၏ စိတ်ဝင်စားစရာအကောင်းဆုံး အလားအလာများကို နေ့စဉ်လုပ်ငန်းတွင် ၎င်းကိုအသုံးပြုနေသော ရှေ့နေများက ပုံဖော်နေကြသည်။ ဖောက်သည်ဥပဒေအကျိုးဆောင်လုပ်ငန်းများနှင့် OpenAI ၏ ကိုယ်ပိုင်ဥပဒေအဖွဲ့မှ အစောပိုင်းသုံးစွဲသူများသည် မိမိတို့လုပ်ငန်းအတွက် ကိုးကားစရာများ တည်ဆောက်နေကြသည်။ မိမိတို့၏ ချေပချက်များကို ပိုမိုပြင်းထန်စွာ စိန်ခေါ်ခိုင်းပြီး ဥပဒေပြဋ္ဌာန်းချက်များကို လေ့လာသုံးသပ်ရန် နည်းလမ်းသစ်များလည်း ရှာဖွေနေကြသည်။
ဥပမာ၊ OpenAI မှ အစောပိုင်းသုံးစွဲသူများသည် Astra for Law ကို အောက်ပါအတိုင်း အသုံးပြုနေကြသည်-
သင့်ချေပချက်ကို အခိုင်မာဆုံး တန်ပြန်ချေပခိုင်းပါ။ Astra for Law ကို အသုံးများသည့်နည်းတစ်ခုမှာ အပြန်အလှန်ချေပလေ့ကျင့်ဖော်အဖြစ် အသုံးပြုခြင်းဖြစ်သည်။ ယှဉ်ပြိုင်မှုဥပဒေဆိုင်ရာ ရှေ့နေတစ်ဦးက ဥပဒေတစ်ရပ်အပေါ် မိမိအဓိပ္ပာယ်ကောက်ယူပုံကို ပေးပြီး ဥပဒေပြုရေးသမိုင်း၊ တရားရုံးစီရင်ချက်များနှင့် အခြားဘာသာစကားဖြင့် ရေးထားသော ဥပဒေမူကွဲများကို ကိုးကားကာ တစ်ဖက်မှ ချေပခိုင်းသည်။ ကန့်ကွက်ချက်က အကြံပြုချက်ကို ပြောင်းလဲရလောက်အောင် ခိုင်မာလာချိန်တွင် အမှန်တကယ် အသုံးဝင်လာသည်။
အကြံပြုချက်နှင့် မဖြစ်မနေလိုက်နာရမည့်အချက်ကို ခွဲခြားပါ။ အဆိုပြုထားသည့် AI ကြီးကြပ်ရေး ဥပဒေကြမ်းကို လေ့လာနေသော မူဝါဒဆိုင်ရာရှေ့နေတစ်ဦးက လွတ်လပ်သည့် သုံးသပ်သူတစ်ဦးတွင် မည်မျှလုပ်ပိုင်ခွင့်ရှိမည်ကို သိလိုခဲ့သည်။ သုံးသပ်သူက ပြင်ဆင်ရန် တောင်းဆိုပါက ဖန်တီးသူသည် မဖြစ်မနေ ပြင်ဆင်ရမည်လား။ ဤမေးခွန်းမျိုးအတွက် ရှေ့နေက တာဝန်တစ်ခုစီ၏ ရိုးရှင်းသော အင်္ဂလိပ်ဘာသာရှင်းလင်းချက်ကို ဥပဒေကြမ်း၏ မူရင်းစကားလုံးများနှင့် ယှဉ်ပြသည်။ ထို့ကြောင့် လုပ်ဖော်ကိုင်ဖက်များသည် စာသားအရ မည်သည့်အဓိပ္ပာယ်ကောက်ယူမှုက ခိုင်လုံသည်ကို မြင်နိုင်သည်။
ပြင်ပဥပဒေအကြံပေးနှင့် ပထမဆုံးဆွေးနွေးချိန်မှစ၍ ခက်ခဲသည့်မေးခွန်းကို တိုက်ရိုက်မေးပါ။ လုပ်ငန်းက မရင်းနှီးသေးသော ကဏ္ဍတစ်ခုသို့ ဝင်ရောက်ရန် စဉ်းစားနေသည့်အခါ ထုတ်ကုန်ဆိုင်ရာရှေ့နေက အဆိုပြုလုပ်ငန်းတွင် မည်သည့်စည်းမျဉ်းများ သက်ဆိုင်မည်ကို ဖော်ထုတ်ရန် Astra for Law ကို အသုံးပြုသည်။ ပထမဆုံးဆွေးနွေးချိန်တွင် လုပ်ငန်းကဏ္ဍအကြောင်း အထွေထွေရှင်းပြခိုင်းမည့်အစား လုပ်ငန်းက လုပ်ဆောင်လိုသည့်အရာနှင့်ပတ်သက်သော တိကျသည့်မေးခွန်းကို အထူးကျွမ်းကျင်သူထံ တင်ပြနိုင်သည်။
မူဝါဒများစွာကို လုပ်ငန်းစဉ်တစ်ရပ်အဖြစ် ပြောင်းလဲပါ။ ဥပဒေအစီအစဉ်မန်နေဂျာတစ်ဦးက စည်းမျဉ်းဆိုင်ရာ လုပ်ထုံးလုပ်နည်းများနှင့် ကုမ္ပဏီမူဝါဒကို ဝင်လာသည့်ကိစ္စများ ကိုင်တွယ်သူများအတွက် လုပ်ငန်းစဉ်အဖြစ် ပြောင်းလဲရန် Astra for Law ကို သုံးခဲ့သည်။ ထို့ကြောင့် လုပ်ဖော်ကိုင်ဖက်များသည် မည်သည့်အချိန်တွင် အချက်အလက်ထပ်တောင်းရန်၊ အမှုပိတ်ရန်နှင့် ရှေ့နေထံ လွှဲပေးရန်လိုသည်ကို သိနိုင်သည်။
ဥပဒေနှင့်အတူ ပါလာစေချင်သည့် လမ်းညွှန်ကို ကိုယ်တိုင်တည်ဆောက်ပါ။ ယှဉ်ပြိုင်မှုဥပဒေဆိုင်ရာ ရှေ့နေတစ်ဦးသည် အဖွဲ့ပုံမှန်အသုံးပြုသည့် ဥပဒေများတွင် ရှင်းလင်းချက်မှတ်စုများ ထည့်ရန် Astra for Law ကို ChatGPT ၏ ဝဘ်ဆိုက်တည်ဆောက်ရေးကိရိယာများနှင့် တွဲသုံးခဲ့သည်။ ပြဋ္ဌာန်းချက်ကို ဖတ်နေသော လုပ်ဖော်ကိုင်ဖက်သည် ဝေါဟာရပေါ် မောက်စ်တင်၍ အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို ကြည့်နိုင်သည်။ လင့်ခ်မှတစ်ဆင့် ရှင်းလင်းထားသည့်အထောက်အထားများကို ဖတ်နိုင်ပြီး ယခင်က ထိုပြဋ္ဌာန်းချက်နှင့်ပတ်သက်၍ အဖွဲ့ပေးခဲ့သည့် အကြံဉာဏ်ကိုလည်း ကြည့်နိုင်သည်။
ယနေ့မှစ၍ ChatGPT Enterprise သုံးစွဲသူတိုင်းသည် စီမံခန့်ခွဲသူကွန်ဆိုးလ်ရှိ ယုံကြည်စိတ်ချရသော အသုံးပြုခွင့်အစီအစဉ်မှတစ်ဆင့် Astra for Law ကို တောင်းဆိုနိုင်သည်။ သင့်အဖွဲ့တွင် အသုံးပြုခွင့်ရှိပြီးပါက ChatGPT တွင် GPT‑6.2 Astra Law ကို ရွေးပါ။ API မှတစ်ဆင့် Astra for Law ကို သင့်ကိုယ်ပိုင်ကိရိယာများတွင် ထည့်သွင်းရန် သီးခြားခွင့်ပြုချက်လိုအပ်သဖြင့် သင့်အကောင့်တာဝန်ခံ ဒါရိုက်တာကို ဆက်သွယ်ပါ။
ဥပဒေအသက်မွေးဝမ်းကျောင်းကဏ္ဍသည် အချိုးအကွေ့တစ်ခုသို့ ရောက်နေပြီဖြစ်သည်။ နည်းပညာက လုပ်ငန်းများ၏ လုပ်ဆောင်နိုင်စွမ်းကို ပြောင်းလဲနေပြီး ကမ္ဘာကြီးက ပိုရှုပ်ထွေးကာ အပြန်အလှန် ပိုချိတ်ဆက်လာသည်။ ထိုအခါ ရှေ့နေများသည် လက်ရှိအခြေအနေကို ကျွန်ုပ်တို့ နားလည်အဓိပ္ပာယ်ဖော်ပုံအား ပုံဖော်ပေးနိုင်မည့် မကြုံစဖူးအခွင့်အလမ်း ရရှိလာသည်။ သူတို့အကြံပေးနေသော လုပ်ငန်းများအတွက်သာမက သူတို့ပါဝင်ရေးဆွဲသည့် စည်းမျဉ်းများနှင့်အညီ နေထိုင်သူ ကျွန်ုပ်တို့အားလုံးအတွက်ပါ ဖြစ်သည်။ အကောင်းဆုံး AI စွမ်းရည်ကို အသုံးချနိုင်သည့် အကောင်းဆုံးရှေ့နေများက ဤအခွင့်အလမ်းကို အမိအရ အသုံးချနိုင်မည်ဟု ကျွန်ုပ်တို့ ယုံကြည်သည်။
ယခုမှ အစပဲရှိပါသေးသည်။ သင်က ဤအသက်မွေးဝမ်းကျောင်းကဏ္ဍကို မည်သည့်အဆင့်အထိ ယူဆောင်သွားမည်ကို ကျွန်ုပ်တို့ စိတ်အားထက်သန်စွာ စောင့်မျှော်နေပါသည်။


